長沙IT認證培訓學校

華為大數(shù)據(jù) 專 家 認證HCIE-Big Data V2.0

課程介紹

本課程從Python編程,網(wǎng)絡爬蟲,數(shù)據(jù)分析,數(shù)據(jù)挖掘介紹，數(shù)據(jù)預處理，特征選擇與降維，有監(jiān)督學習，無監(jiān)督學習，模型評估與優(yōu)化，數(shù)據(jù)挖掘綜合應用，Spark MLlib數(shù)據(jù)挖掘，Spark基于內(nèi)存的分布式計算，華為云機器學習服務，大數(shù)據(jù)架構和大數(shù)據(jù)治理，大數(shù)據(jù)服務解決方案，大數(shù)據(jù)場景化解決方案（離線處理場景、實時檢索場景、實時流計算場景），大數(shù)據(jù)挖掘。

學員基礎

?熱愛編程事業(yè)，對編程有濃厚的興趣

?具備Big Data方向HCIA、HCIP的知識和技能

?具備一定的編程基礎

課程目標

?掌握數(shù)據(jù)挖掘流程

?特征選擇與降維，有監(jiān)督學習，無監(jiān)督學習,模型評估與優(yōu)化

?數(shù)據(jù)挖掘綜合應用

?Spark MLlib 數(shù)據(jù)挖掘

?華為云機器學習服務

?大數(shù)據(jù)架構和大數(shù)據(jù)治理

課程內(nèi)容

章節(jié)教學重點

第1天 上午

人工智能和數(shù)據(jù)挖掘

1. AI的社會認知；2. 人工智能技術的發(fā)展史；3. 人工智能技術的應用方向與應用場景；4. 人工智能的發(fā)展戰(zhàn)略；5. 人工智能現(xiàn)有的問題；6. 人工智能的未來；7. 數(shù)據(jù)挖掘概述和流程；8. 數(shù)據(jù)，屬性和度量；9. 數(shù)據(jù)挖掘開發(fā)工具；10. 數(shù)據(jù)挖掘學習路徑

第1天 下午

Python編程基礎

1. Python編程語言介紹及發(fā)展歷程；2. Python語言的應用場景；3. Python開發(fā)環(huán)境搭建；4. 變量；5. 數(shù)據(jù)結構(列表,元組,字典,字符串)；6. 分支語句，循環(huán)語句；7. 函數(shù)

第2天 Python編程應用

1. 面向對象；2. 異常；3. 文件處理；4. 常見三方庫；5. 正則表達式；6. 數(shù)據(jù)庫；7. 網(wǎng)絡爬蟲

第3天 數(shù)據(jù)分析庫

1. Numpy科學計算庫；2. ndarray的創(chuàng)建、訪問、常用屬性；3. 矩陣的創(chuàng)建；4. 通用函數(shù)ufunc；5. 廣播機制；6. Pandas數(shù)據(jù)預處理庫；7. Series常用操作；8. DataFrame常用操作；9. 讀寫不同數(shù)據(jù)源；10. 數(shù)據(jù)過濾與轉換；11. 時間序列操作；12. 分組與聚合；13. 透視與交叉表；14. Matplotlib數(shù)據(jù)可視化

第4天 網(wǎng)絡爬蟲

1. 初識爬蟲：什么是爬蟲、爬蟲的工作流程；2. 獲取內(nèi)容：urllib、urllib3、requests等庫的使用；3. HTML解析：正則表達式、beautifulsoup4；4. 數(shù)據(jù)保存：保存為文件、保存進數(shù)據(jù)庫；5. selenium 框架

第5天 數(shù)學知識

1. 矩陣和線性代數(shù)；2. 行列式；3. 矩陣及其變換；4. 矩陣分解；5. 奇異值分解；6. 特征值分解；7. 線性變換；8. 向量空間；9. 概率論和數(shù)理統(tǒng)計；10. 隨機事件及其概率；11. 隨機變量及其分布；12. 隨機向量及其分布；13. 隨機變量的函數(shù)；14. 隨機變量的數(shù)字特征；15. 大數(shù)定律與中心極限定理；16. 樣本與抽樣分布；17. 參數(shù)估計；18. 假設檢驗；19. 方差分析和回歸分析；20. 信息熵與基尼系數(shù)；21. Z優(yōu)化；22. 無約束Z優(yōu)化問題；23. 梯度下降法；24. 約束Z優(yōu)化問題；25. 拉格朗日乘子法

第6天  數(shù)據(jù)預處理

1. 數(shù)據(jù)抽??；2. 轉換和加載；3. 數(shù)據(jù)抽取、轉換和加載概述；4. 數(shù)據(jù)抽??；5. 數(shù)據(jù)轉換；6. 數(shù)據(jù)加載；7. ETL 和 ELT 介紹；8. 數(shù)據(jù)清洗；9. 不均衡數(shù)據(jù)處理；10. 缺失值處理；11. 異常值處理；12. 特征處理；13. 特征縮放；14. 數(shù)值離散化；15. 特征編碼；16. 時間數(shù)值轉換

第7天  特征選擇

1. 特征選擇；2. 特征選擇概述；3. Filter；4. Wrapper；5. Embedded；6. 其他方法和特征擴增；7. 降維；8. 降維導入；9. SVD；10. PCAu；11. LDA；12. LLE；13. Quiz ；14. 實驗

第8天  有監(jiān)督學習

1. 有監(jiān)督學習的預備知識；2. 機器學習分類；3. 模型評估；4. 線性回歸；5. 誤差；6. 正規(guī)方程；7. 梯度下降；8. 正則化；9. KNN算法；10. 決策樹；11. SVM算法；12. 線性回歸；13. 邏輯回歸算法；14. 集成算法

第9天 無監(jiān)督學習

1. 無監(jiān)督學習概述；2. 聚類算法；3. Apriori算法；4. FP-growth算法

第10天 數(shù)據(jù)挖掘綜合應用

1. 數(shù)據(jù)挖掘的流程；2. 數(shù)據(jù)挖掘流程概述；3. 分析需求；4. 數(shù)據(jù)讀取；5. 數(shù)據(jù)預處理；6. 特征工程；7. 特征選擇；8. 模型選擇；9. 模型評估；10. 綜合應用的案例分析

第11天 Scala編程基礎

1. Scala基礎語法；2. 數(shù)據(jù)類型；3. 變量；4. 循環(huán)；5. 函數(shù)；6. 數(shù)組；7. 類和對象；8. 模式匹配；9. 文件讀寫

第12天 SparkMLib數(shù)據(jù)挖掘

1. Spark MLlib 基礎入門；2. Spark MLlib 矩陣向量；3. Spark MLlib 基礎統(tǒng)計分析；4. Spark MLlib 特征提取和轉換；11. Spark MLlib 分類與回歸；12. Spark MLlib 聚類與降維；13. Spark MLlib 關聯(lián)規(guī)則與推薦算法；14. Spark MLlib 評估矩陣

第13天  華為機器學習服務MLS

1. 華為 MLS 服務介紹；2. 申請華為 MLS 服務；3. 創(chuàng)建華為 MLS 工作流；4. 典型算法的應用；5. 機器學習平臺 FusionInsight Miner；6. 大數(shù)據(jù)架構概述；7. 大數(shù)據(jù)架構在大數(shù)據(jù)中的重要性；8. 大數(shù)據(jù)架構師所具備的能力；9. 如何構建大數(shù)據(jù)架構平臺；10. 大數(shù)據(jù)業(yè)務層通用架構；11. 大數(shù)據(jù)治理概述；12. 大數(shù)據(jù)治理建設背景和目標；13. 企業(yè)數(shù)據(jù)規(guī)劃及治理模型；14. 大數(shù)據(jù)治理案例

第14天 大數(shù)據(jù)挖掘綜合實驗

1. 數(shù)據(jù)挖掘背景；2. 銀行客戶精準畫像案例；3. 提升信用卡安全案例；4. 城市環(huán)境質(zhì)量分析挖掘案例

關于我們

1998年創(chuàng)建于北大燕園，是國內(nèi)Z早的IT高級技術培訓企業(yè)之一，總部北京，在上海、廣州、深圳、天津、武漢、成都、重慶、濟南、西安、石家莊、杭州、長沙、鄭州等城市設立直營分部，擁有華為、紅帽、微軟、PMI、VMwareOracle、Citrix等30余家國際知 名廠商授權資質(zhì)，提供面授、直播和錄播三種學習交付方式，擁有專職講師及技術專 家40余人，簽約講師數(shù)千名，是國內(nèi)知 名的泛IT教育培訓集團!20余年來，公司不斷更新并持續(xù)增加泛IT專業(yè)培訓課程，為崗前學員、個人和企業(yè)客戶打造終身學習課程體系，現(xiàn)有200多門課程，覆蓋虛擬化、操作系統(tǒng)、網(wǎng)絡、安全、數(shù)據(jù)庫、IT管理、軟件開發(fā)等細分領域，每年開設上千個面授及直播班次，培訓近2萬名專業(yè)人才!經(jīng)過20余年的奮斗成長，已成為全國營收過億的泛IT培訓服務商。未來公司仍將致力于為個人和企業(yè)客戶提供—流的終身學習服務，為產(chǎn)業(yè)發(fā)展培養(yǎng)數(shù)字化人才，以教育培訓滿足人們終身學習的需求!